Spatioformer：面向大规模植物物种丰富度预测的地理编码 Transformer

地球观测数据已显示出在预测血管植物物种丰富度（$\alpha$-多样性）方面的潜力，但将这一方法扩展到大尺度空间仍具有挑战，因为地理上相距甚远的区域可能具有不同的植物物种组成（$\beta$-多样性），导致丰富度与光谱 measurements 之间存在位置依赖关系。为了处理这种地理位置依赖问题，我们提出了\textit{Spatioformer}，将一种新型地理位置编码器与 Transformer 模型耦合，用于对遥感影像进行地理位置上下文编码。Spatioformer 模型在包含 68,170 处现场丰富度样本、覆盖澳大利亚多样化景观的大规模真实丰富度数据集（HAVPlot）上的丰富度预测结果优于最先进的模型。结果表明，地理位置信息在从卫星观测中预测大尺度空间内的物种丰富度方面具有显著优势。通过 Spatioformer，对澳大利亚从 2015 年到 2023 年的 Landsat 归档档案数据构建了植物物种丰富度地图。本研究产生的丰富度地图揭示了澳大利亚植物物种丰富度的时空动态，为制定有效的植物多样性保护计划和政策提供了依据。识别出丰富度预测不确定性较高的区域，突显了在这些区域开展未来现场调查以提高预测准确性的必要性。